English version on readme, please check on personal website: projects/simple_ndt_slam ; Update: download test Kitti dataset bag: onedrive link: kitti_sequence11_half.bag and follow building steps, modify the bag path in ndt_mapping_kitti.launch
and roslaunch it.
主要从autoware.ai 1.14版本core_perception 抽取并重构 速度上得到了一定的提升 仅留下与slam相关代码 较为简洁 容易部署版并拿到odom;已测试平台 1x1m 小车(Velodyne-16),机器狗(Robosense-16)主要注意topic name对应即可使用
测试系统:
测试截图:
推荐使用 这样就不用担心自己的环境了
docker pull zhangkin/simple_ndt
或者docker build也行 注意把dockerfile 复制一下 然后build
docker build -t zhangkin/simple_ndt .
docker run -it --net=host --name ndt_slam zhangkin/simple_ndt /bin/zsh
cd src && git pull && cd ..
catkin build -DCMAKE_BUILD_TYPE=Release
roscore
# 另开一个终端
docker exec -it ndt_slam /bin/zsh
source devel/setup.zsh
roslaunch lidar_localizer ndt_mapping_docker.launch
然后在自身系统正常播包即可,如下图所示
注意,如果使用的是docker内无需进行pull操作 直接编译即可
mkdir -p ~/workspace/mapping_ws/src
cd ~/workspace/mapping_ws/src
git clone --recurse-submodules https://github.com/Kin-Zhang/simple_ndt_slam
安装相关依赖(一些ROS包和glog)
cd simple_ndt_slam
sudo chmod +x ./assets/scripts/setup_lib.sh
./assets/scripts/setup_lib.sh
最后编译 然后经过如下调整相关topic name,参数 和bag包路径设置即可直接运行
cd ~/workspace/mapping_ws
catkin build -DCMAKE_BUILD_TYPE=Release
source devel/setup.zsh
roslaunch lidar_localizer ndt_mapping.launch
首先检查数据包有激光雷达信息,sensor_msgs/PointCloud2
格式
rosbag info xxx.bag
# ======== 示例输出 ======= topics名字可在config内修改 无需提前规定
types: sensor_msgs/PointCloud2 [xxx]
topics: /velodyne_points 5359 msgs : sensor_msgs/PointCloud2
打开src/packages/lidar_localizer/config/ndt_mapping.yaml
配置文件,修改
lidar_topic: "/velodyne_points"
需要根据不同的建图场景进行调节,主要调节计入的最大最小距离等
# Ignore points closer than this value (meters) (default 5.0)
min_scan_range: 1.0
# Ignore points far than this value (meters) (default 200.0)
max_scan_range: 50.0
# Minimum distance between points to be added to the final map (default 1.0)
min_add_scan_shift: 0.5
如果无需建图,可开启保存一定数量的点云进行运算,把旧时刻的清除
save_frame_point: 10
在 Launch 中可以直接play bag,请修改路径即可
source ~/workspace/mapping_ws/devel/setup.zsh
roslaunch lidar_localizer ndt_mapping.launch
如需要保存建图结果的pcd, 请暂停bag包(因为map资源会lock住),再开一个终端并运行:
rosservice call /save_map '/home/kin/bags/autoware/cones_people.pcd' 0.0
rosservice call /save_map '/home/kin/ri_dog.pcd' 0.2 # save around 20cm filter voxel
如图所示:
博文及视频补充
相关参数介绍均在博客中进行了详细介绍:
CSDN: 【Autoware】之ndt_mapping理论公式及代码对比
这篇全文比较长,如果想简单使用而已,可以直接点链接看参数即可
相关使用视频:
后续继续补充时,也会更新相关博文或视频进行说明
Style Formate: https://github.com/ethz-asl/linter
cd $YOUR_REPO
init_linter_git_hooks # install
linter_check_all # run
init_linter_git_hooks --remove # remove
Autoware.ai core_perception: core_perception
此处可能存在不合适展示的内容,页面不予展示。您可通过相关编辑功能自查并修改。
如您确认内容无涉及 不当用语 / 纯广告导流 / 暴力 / 低俗色情 / 侵权 / 盗版 / 虚假 / 无价值内容或违法国家有关法律法规的内容,可点击提交进行申诉,我们将尽快为您处理。